Yapay zeka yöntemleri ile talep tahmini ve değirmen makineleri imalat sektöründe uygulanması

Abstract

Günümüz şartlarında artan rekabet ortamında şirketlerin mevcut durumlarını koruyabilmeleri ve geliştirebilmeleri için talep tahmini büyük önem taşımaktadır. Talep tahmini, bir ürün ya da hizmetin belirli bir gelecek dönem için satışlarının en az hata ile tahmin edilmesidir. Böylece işletmelerin gelecek dönemlerde karşılaşabilecekleri durumlar öngörülebilir ve çeşitli yöntemler kullanılarak önceden önlemler alınabilir. Talep tahmin yöntemleri, kalitatif yöntemler ve kantitatif yöntemler olarak iki gruba ayrılmaktadır. Kalitatif tahmin metodu, istatistiksel yöntem kullanılmadan insanların sezgisel yaklaşımlarına dayalı yapılan bir talep tahmin yöntemidir. Kantitatif metot ise tam tersine çeşitli istatistiksel yöntemler kullanılarak yapılan yöntemlerdir. Bu çalışmada talep tahmin kavramından bahsedilmiş ve talep tahmin yönetiminde kullanılan tahmin yöntemleri incelenmiştir. Ardından literatürde yer alan yapay zekâ tabanlı talep tahmin yöntemlerinden bahsedilmiştir. Çalışmanın uygulama bölümünden yapay zekâ tabanlı yöntemlerden olan Destek vektör makineleri (DVM) ve Yapay sinir ağları (YSA) ve yöntemleri kullanılarak değirmen makineleri imalatı yapan bir işletme için talep tahmin çalışması yapılmıştır. Elde edilen sonuçlara göre DVM'nin YSA'ya göre daha başarılı tahminler yaptığı bu çalışma ile sunulmuştur.

In today's increasingly competitive environment, demand forecasting is of great importance for companies to maintain and improve their current situation. Demand forecasting is the estimation of sales of a product or service for a certain future period with the least error. Thus, the situations that businesses may encounter in the future periods can be foreseen and measures can be taken in advance using various methods. Demand forecasting methods are divided into two groups as qualitative and quantitative. The qualitative forecasting method is a demand forecasting method based on people's intuitive approaches without using the statistical method. The quantitative method, on the contrary, is the methods performed using various statistical methods. In this study, the concept of demand forecasting was mentioned and the forecasting methods used in demand forecasting management were examined. Then, artificial intelligence-based demand forecasting methods included in the literature were mentioned. From the application section of the study, a demand forecasting study was conducted for an enterprise manufacturing milling machines using artificial neural networks (ANN) and Support vector machines (SVM) methods, which are one of the artificial intelligence techniques. According to the results obtained, it is presented with this study that SVM makes more successful estimates compared to ANN.